利用过时产品和 Transformer 进行跨分辨率土地覆盖分类
计算机视觉与模式识别
2024-03-07 v2
摘要
大规模高分辨率土地覆盖分类是构建地球系统模型以及解决生态和资源问题的先决条件。卫星传感器技术的进步带来了空间分辨率的提高和覆盖范围的扩大。然而，高分辨率标注数据的缺乏仍然是一个挑战，阻碍了土地覆盖分类方法的大规模应用。在本文中，我们提出了一种基于 Transformer 的弱监督方法，利用过时数据进行跨分辨率土地覆盖分类。首先，为了在不丢失物体细粒度细节的情况下捕捉长程依赖关系，我们提出了一种基于动态稀疏注意力的逆向差分机制 (RDM) 的类 U-Net Transformer。其次，我们提出了一种基于最优传输 (OT) 的抗噪声损失计算 (ANLC) 模块。抗噪声损失计算基于 OT 矩阵识别置信区域 (CA) 和模糊区域 (VA)，从而减轻过时土地覆盖产品中噪声的影响。通过引入带权重的弱监督损失并采用无监督损失，训练了基于 RDM 的类 U-Net Transformer。我们使用了美国六个州的 1 米分辨率遥感图像及其相应的真实标签来验证所提出方法的性能。实验利用 2013 年 30 米分辨率的过时土地覆盖产品作为训练标签，生成了 2017 年 1 米分辨率的土地覆盖图。结果表明，所提出的方法优于最先进的方法。代码可在 https://github.com/yu-ni1989/ANLC-Former 获取。
引用
@article{arxiv.2402.16001,
title = {Cross-Resolution Land Cover Classification Using Outdated Products and Transformers},
author = {Huan Ni and Yubin Zhao and Haiyan Guan and Cheng Jiang and Yongshi Jie and Xing Wang and Yiyang Shen},
journal= {arXiv preprint arXiv:2402.16001},
year = {2024}
}